[发明专利]一种基于多传感器融合的旁车道车辆切入识别方法及装置

权利要求书

1.一种基于多传感器融合的旁车道车辆切入识别方法，其特征在于，包括：

S1、获取设置在车上的车载摄像头与毫米波雷达的输出信息；

S2、基于步骤S1获得的输出信息，对目标信息、车道线信息进行时间同步；

S3、利用卡尔曼滤波融合模型，对目标进行关联，输出目标的3类横向位置信息，包括毫米波雷达检测到的横向位置信息、摄像头检测到的横向位置信息、卡尔曼滤波融合模型计算的横向位置信息；

S4、将本探测周期的横向位置信息与上一探测周期的横向位置信息进行对比，判断本探测周期是否为切入；如果不是，则错误次数加1，连续错误次数加1，总次数加1；

S5、当错误次数、连续错误次数、总次数满足预设的阈值时，全部清零，重新开始计数并判断；否则根据错误次数、连续错误次数和总次数，判断得到切入概率；

S6、记录本探测周期的3类横向位置信息，用于下一探测周期比较。

2.根据权利要求1所述的基于多传感器融合的旁车道车辆切入识别方法，其特征在于，步骤S2所述时间同步的方法包括：获取目标信息和车道线信息中的时间戳，以车道线信息的时间戳为基准时刻，利用目标信息的时间戳和位置、速度信息，计算目标在基准时刻的位置信息，从而达到时间同步。

3.根据权利要求1所述的基于多传感器融合的旁车道车辆切入识别方法，其特征在于，步骤S3所述利用卡尔曼滤波融合模型对目标进行关联的方法包括：

以卡尔曼滤波融合模型输出的目标信息为基准目标信息，将雷达和摄像头输出的目标信息和基准目标信息利用欧氏距离相比较，获得基准目标和雷达摄像头输出目标的关联距离矩阵，然后遍历该矩阵，将最邻近目标相关联。

4.根据权利要求1所述的基于多传感器融合的旁车道车辆切入识别方法，其特征在于，步骤S5所述根据错误次数和总次数判断得到切入概率的方法包括：

根据路测数据统计错误次数、连续错误次数和总次数与切入概率的对应关系数据，依据对应关系数据和本探测周期中错误次数和总次数，得到切入概率。

5.根据权利要求1所述的基于多传感器融合的旁车道车辆切入识别方法，其特征在于，步骤S5中所述预设的阈值包括：连续错误次数5或错误次数2/3*总次数。

6.一种基于多传感器融合的旁车道车辆切入识别装置，其特征在于，包括：

获取模块，用于获取设置在车上的车载摄像头与毫米波雷达的输出信息；

同步模块，基于获取模块获得的输出信息，对目标信息、车道线信息进行时间同步；

输出模块，利用卡尔曼滤波融合模型，对目标进行关联，输出目标的3类横向位置信息，包括毫米波雷达检测到的横向位置信息、摄像头检测到的横向位置信息、卡尔曼滤波融合模型计算的横向位置信息；

对比模块，将本探测周期的横向位置信息与上一探测周期的横向位置信息进行对比，判断本探测周期是否为切入；如果不是，则错误次数加1，连续错误次数加1，总次数加1；

切入概率模块，当错误次数、连续错误次数、总次数满足预设的阈值时，全部清零，重新开始计数并判断；否则根据错误次数、连续错误次数和总次数，判断得到切入概率；

记录模块，记录本探测周期的3类横向位置信息，用于下一探测周期比较。

7.根据权利要求6所述的基于多传感器融合的旁车道车辆切入识别装置，其特征在于，同步模块包括：获取目标信息和车道线信息中的时间戳，以车道线信息的时间戳为基准时刻，利用目标信息的时间戳和位置、速度信息，计算目标在基准时刻的位置信息，从而达到时间同步。

8.根据权利要求6所述的基于多传感器融合的旁车道车辆切入识别装置，其特征在于，输出模块包括：

以卡尔曼滤波融合模型输出的目标信息为基准目标信息，将雷达和摄像头输出的目标信息和基准目标信息利用欧氏距离相比较，获得基准目标和雷达摄像头输出目标的关联距离矩阵，然后遍历该矩阵，将最邻近目标相关联。